「网络流」学习笔记
Rainy7
2020-04-30 22:41:48
- **前言**
>挖坑,开始填。--2020/04/30
>
>填完啦。 -- 2021/02/07
同步发布于[我的博客。](https://www.cnblogs.com/Rainy7/p/network-flow-note.html)
这个网络流的大坑当时是疫情期间长寒假挖的,后来因为比较忙就写完增广路然后就没了。
本来是打算暑假写的,最后暑假要准备 CSP/NOIP2020 所以暑假和暑假后的时间都没有更新。
后来碰上一检,原计划是复习期间更完,但最后因为 whk 繁忙和上下界网络流还不熟悉的原因就放在了寒假。
所以我甚至快咕了一年。但最后还是完成了。但又感觉细分会有更多内容。或许以后会补充一些东西?
印象最深了是最大权闭合子图,那个证明看到凌晨 1 点然后为了珍贵的头发就只好先不看(什么什么头发最重要是吧是吧。
如果有不足的地方欢迎随时指出。顺便求个赞。好耶!
------------
- **概念**
>网络流(network-flows)是一种类比水流的解决问题方法,与线性规划密切相关。 ---百度百科
主要用于解决**流量问题**。
首先,他是一个**有向图**。
并且满足下面 $3$ 条性质:
仅有一个**入度为 $0$ 的点**,叫做**源点 $s$ 。** 其实就是流量的源头。
仅有一个**出度为 $0$ 的点**,叫做**汇点 $t$ 。** 就是所有流最后汇聚到的一个点。
每一条**边权都非负**,叫**做边的容量 $c(u,v)$ ,** 表示**从 $u$ 到 $v$ 最多可以流过的量**。
因为流的时候不可能每条都流满,所以**设实际的流量为 $f(u,v)$ 。**
显然,$f(u,v) \le c(u,v)$ 。
可行流:**满足 $0 \le f(u,v) \le c(u,v)$ ,并且除去源点 $s$ 和汇点 $t$ 以外的点,都满足入度等于出度**(边/点不会自己制造流量)。
举例子。下图就是一个可行流。
![](https://s1.ax1x.com/2020/04/30/JLIay6.png)
对于每条弧,还有如下的特殊情况。
**饱和弧**:$f(u,v)=c(u,v)$ ,相对的,**非饱和弧**:$f(u,v)<c(u,v)$ 。
**零流弧**:$f(u,v)=0$ ,相对的,**非零流弧**:$f(u,v)>0$ 。
当**任意 $u,v \in V$ 都满足 $f(u,v)=0$ ,** 则称这个网络流为**零流**。
如果一个网络流**只满足 $f(u,v) \le c(u,v)$ ,但不满足入度等于出度的情况**,称为**伪流**。
对于任意一种可行流,**定义 $cl(u,v)=c(u,v)-f(u,v)$ 是边 $(u,v)$ 残留流量**。
对于一种可行流,每条边都**设一个 $cl(u,v)$ ,** 且每条边都**设置一个反向边,其容量为此次找到的流量**,这样的图称为**残余网络**。
------------
- **最大流 (增广路部分)**
如题[P3376 【模板】网络最大流](https://www.luogu.com.cn/problem/P3376)。
网络的最大流就是求源点流向汇点的**最多流量**,并且要满足**是一个可行流**。
如果给出一个残余网络,能在上面找到一条路**从源点 $s$ 到汇点 $t$ ,** 满足上面每条边 $cl(u,v)>0$ , 那么一定就可以沿着这个路来**传送更多流量**。
这就是**增广路**。
那可以通过找增广路来找最大流。
~~当然这非常不靠谱。~~
如下图:
![](https://s1.ax1x.com/2020/05/01/JXjt4x.png)
找到的路是 s-1-2-t ,流量为1。
但很显然有更好的方法,分成2条路: s-1-t 和 s-2-t ,流量为2。
那优化的方法,就是要**反悔**这条路。
但如果把每条路都dfs出来的话,就慢的离谱。
所以,建立**反悔边**,即反向边,**边权就是 $f(u,v)$ 。**
![](https://s1.ax1x.com/2020/05/01/JjpMnS.png)
这样就相当于给了边一个反悔的机会。
上面那个图,第二次找增广路时,就会找到s-2-1-t这条路,这样流量又多了 $1$ 。
那么结果正确,最大流为 $2$ 。
这就是用增广路找最大流的方法了。
如果**用dfs找增广路**,那么就是**FF算法**。
慢的离谱。
作为优化,用**bfs找增广路**,是**EK算法**。
复杂度是 $O(VE^2)$ 。
其实也很慢,那么接下来介绍的就是**Dinic算法**。
每次找增广路都要跑一次bfs,这实在太慢了啊。而Dinic算法其实本质就是让**一次dfs求多个增广路**。
首先,先把这个图**分层**,根据**每个点到汇点的最短路不同**来分为不同层。注意:这里**最短路的边权均为1**。
![](https://s1.ax1x.com/2020/05/05/Yi9r38.png)
所以一条增广路,肯定是从第一层到最后一层中各有一个。
那么先跑dfs,找到第一条增广路。那么为了找到更多,我们应该**适当回溯**,然后再找一条。
那么如何回溯呢?
一次增广后,如果这条边**容量 $(u,v)$ 为 $0$ ,** 说明此边用不着了,回溯。一直回溯到不满足后再增广。
那么如果**回溯到源点**,并且**无路可走**,那么此次 dfs 结束,也得到了一个**新的残余网络**。
注意:每次dfs前都要**重新分层**。
而且用**原来的图减去最后的残余网络**,就可以得到每条边的流量。
这样的复杂度就是 $O(V^2E)$ 。
这个复杂度看上去还是有点高,但其实大多数情况都是跑不满的,~~所以有一些大数据甚至跑的飞快。~~
然后其实Dinic还可以再二分图上跑,~~似乎比匈利亚快,~~ 复杂度是 $O( \sqrt{V}E )$ 。
~~当然我更愿意写匈利亚毕竟匈利亚这么好写。~~
```cpp
#include<iostream>
#include<cstdio>
#include<cmath>
#include<cstring>
#include<queue>
using namespace std;
const int Maxn=1e4+5;
const int Maxm=3e5+5;
const int inf=1e9;
struct edge{
int v,w,nx;
}e[Maxm];
int n,m,sc,tc,ans,ne=-1,f[Maxn],deep[Maxn],cur[Maxn];
queue<int> q;
bool bfs(int s,int t)
{ memset(deep,0x7f,sizeof(deep));
for(int i=0;i<=n+5;i++)cur[i]=f[i];
while(!q.empty())q.pop();
deep[s]=0;
q.push(s);
while(!q.empty())
{ int now=q.front();
q.pop();
for(int i=f[now];i!=-1;i=e[i].nx)
if(e[i].w&&deep[e[i].v]>=inf)
{ deep[e[i].v]=deep[now]+1;
q.push(e[i].v);
}
}
return deep[t]<inf;
}
int dfs(int now,int t,int limit)
{ if(!limit||now==t)return limit;
int flow=0,x;
for(int i=cur[now];i!=-1;i=e[i].nx)
{ cur[now]=i;
if(deep[e[i].v]==deep[now]+1)
{ x=dfs(e[i].v,t,min(limit,e[i].w));
if(x==0)continue;
flow+=x;
limit-=x;
e[i].w-=x;
e[i^1].w+=x;
if(limit==0)break;
}
}
return flow;
}
int dinic(int s,int t)
{ int maxflow=0;
while(bfs(s,t))maxflow+=dfs(s,t,inf);
return maxflow;
}
void read(int u,int v,int w)
{ e[++ne].v=v;
e[ne].w=w;
e[ne].nx=f[u];
f[u]=ne;
}
int main()
{ memset(f,-1,sizeof(f));
int s,t;
scanf("%d%d%d%d",&n,&m,&s,&t);
for(int i=1;i<=m;i++)
{ int u,v,w;
scanf("%d%d%d",&u,&v,&w);
read(u,v,w);read(v,u,0);
}
printf("%d\n",dinic(s,t));
return 0;
}
```
------------
- **无源汇上下界可行流**
给定一个有向图,有 $n$ 个点 $m$ 条边,每条边都有一个流量上界和一个流量下界。
在满足流量平衡情况下,求一种可行流。
设下界为 $cl(u,v)$ ,上届为 $cu(u,v)$ ,则对于流量 $f(u,v)$ 要满足 $cl(u,v) \le f(u,v) \le cu(u,v)$ 。
那两边同减 $cl(u,v)$ 得 $0 \le f(u,v)-cl(u,v) \le cu(u,v)-cl(u,v)$ 。
那我们不妨假设**每条边先流满了 $cl(u,v)$ ,然后在用容量 $cu(u,v)-cl(u,v)$ 来建图。**
那么建边后,**就会不满足流量平衡**。所以我们要通过加一些边来使他满足。
对于每一条边 $(u,v)$ ,为了要让其平衡都会让**点 $u$ 流量增加 $cl(u,v)$ ,点 $v$ 流量减少 $cl(u,v)$ 。**
不妨用 $b[]$ 来记录每个点在所有边**建好后不平衡的流量。**
对于 $b_x > 0$ 那就连边 $(s,x)$ 容量为 $b_x$ 。
对于 $b_x < 0$ 那就连边 $(x,t)$ 容量为 $-b_x$ 。
再记 $sum= \sum\limits ^{n}_ {i=1 , b_i > 0} b_i $ 。
如果**此时跑最大流的结果小于 $sum$ 就是无解。** 因为他的每个点的最下届情况是无法满足的。(大于 $b_x$ 的点可以理解为这个点的要有可行流的最低流量)
对于每条边的流量,即为此时 dinic 跑出的流量与 $cl(u,v)$ 的和。
``` cpp
scanf("%d%d",&n,&m);
s=n+1,t=n+2;
for(int i=1;i<=m;i++)
{ int u,v;
scanf("%d%d%d%d",&u,&v,&cl[i],&cu[i]);
a[u]-=cl[i];a[v]+=cl[i];
read(u,v,cu[i]-cl[i]);
read(v,u,0);
}
int sum=0;
for(int i=1;i<=n;i++)
if(a[i]>0)sum+=a[i],read(s,i,a[i]),read(i,s,0);
else if(a[i]<0)read(i,t,-a[i]),read(t,i,0);
int flow=dinic(s,t);
if(flow<sum)printf("NO\n");
else{
printf("YES\n");
for(int i=1;i<=m*2;i+=2)
printf("%d\n",e[i].w+cl[i/2+1]);
}
```
------------
- **有源汇上下界可行流**
给定一个 $n$ 个点 $m$ 条边的有向图,每条边有一个容量上下限制。给定一个源点 $S$ 和一个汇点 $T$ ,求 $S$ 到 $T$ 的最大流。
考虑有源汇和无源汇的区别。
无源汇每个点都要满足流量平衡,而有源汇**除了源点 $s$ 和汇点 $t$ 都要满足流量平衡。**
利用这一点,我们**可以通过加边 $(T,S)$ 容量为 $inf$ 的边**,汇点的流量跑向源点,就可以满足流量平衡。
用上面的求无源汇的方法就可以求出有源汇上下界的可行流。**(注:此时新设的源汇点为小写的 $s,t$)**
------------
- **有源汇上下界最大流**
呐。如果要求最大流呢?
很容易想到,可以跑完可行流后在残余网络上跑最大流,再和刚刚跑的可行流加起来。
但实际上存在一个问题,从 $s$ 跑向 $t$ 的最大流不一定是 $S$ 到 $T$ 的最大流。
所以我们**要删除所有附加边**,再**从 $S$ 到 $T$ 跑最大流**,最后**再和之前的可行流加起来**就是结果了。
```cpp
memset(f,-1,sizeof(f));
int s,t,S,T;
scanf("%d%d%d%d",&n,&m,&S,&T);
s=n+1;t=n+2;
for(int i=1;i<=m;i++)
{ int u,v;
scanf("%d%d%d%d",&u,&v,&cl[i],&cu[i]);
a[u]-=cl[i];a[v]+=cl[i];
read(u,v,cu[i]-cl[i]);
read(v,u,0);
}
int sum=0;
for(int i=1;i<=n;i++)
if(a[i]>0)sum+=a[i],read(s,i,a[i]),read(i,s,0);
else if(a[i]<0)read(i,t,-a[i]),read(t,i,0);
read(T,S,inf);read(S,T,0);
if(dinic(s,t)<sum)printf("No Solution\n");
else{
int res=e[ne].w;
e[ne].w=e[ne-1].w=0;
printf("%d\n",res+dinic(S,T));
}
```
------------
- **有源汇上下界最小流**
和最大流类似,最大流是把剩下能跑的跑掉,那最小流就是把不必要的流退掉。
所以删掉附加边后在残余网络上跑最大流,但不同的是,**这次是从 $T$ 跑向 $S$ 。** 也就是最多能退回的流是多少。
然后再用可行流减去他就可以了。
```cpp
memset(f,-1,sizeof(f));
int s,t,S,T;
scanf("%d%d%d%d",&n,&m,&S,&T);
s=n+1;t=n+2;
for(int i=1;i<=m;i++)
{ int u,v;
scanf("%d%d%d%d",&u,&v,&cl[i],&cu[i]);
a[u]-=cl[i];a[v]+=cl[i];
read(u,v,cu[i]-cl[i]);
read(v,u,0);
}
int sum=0;
for(int i=1;i<=n;i++)
if(a[i]>0)sum+=a[i],read(s,i,a[i]),read(i,s,0);
else if(a[i]<0)read(i,t,-a[i]),read(t,i,0);
read(T,S,inf);read(S,T,0);
if(dinic(s,t)<sum)printf("No Solution\n");
else{
int res=e[ne].w;
e[ne].w=e[ne-1].w=0;
printf("%d\n",res-dinic(T,S));
}
return 0;
```
------------
- **最小割**
>对于一个网络流 $G=(V,E)$ ,其割的定义为一种**点的划分方式** :将所有的点划分为 $S$ 和 $T=V-S$ 两个集合,其中源点 $s \in S$ ,汇点 $t \in T$ 。
>
>—— OI wiki
割 $(S,T)$ 的容量 $c(S,T) = \sum\limits _{u \in S,v \in T} c(u,v)$ 。
割 $(S,T)$ 的流量 $f(S,T) = \sum\limits _{u \in S,v \in T} f(u,v) - \sum\limits _{u \in T,v \in S} f(u,v)$ 。
注意两个概念的区别。
给定一个 $n$ 个点 $m$ 条边的有向图,每条边给定一个容量,给定 $s$ 和 $t$, 求 $(S,T)$ 的最小割。
解决这个问题要用到**最大流最小割定理**。
**即: $f(s,t)_{max} = c (s,t) _{min}$ 。**
所以要求最小割直接转换为最大流跑一遍就好了。
以下是一个证明:
由刚刚概念得 $f(s,t) \le c(s,t)$
当此时 $f(s,t)$ 为最大流时,则**残余网络上不存在一个增广路。**
**也就是 $S$ 的出边是满流, $S$ 的入边是零流。**
即 $\sum\limits _{u \in T,v \in S} f(u,v)=0$ ,那么还是由概念得此时 $f(u,v)=c(u,v)$ 。
代码和刚刚的 dinic 完全一致((,所以这边不再放代码。
------------
[P2057 [SHOI2007]善意的投票 / [JLOI2010]冠军调查](https://www.luogu.com.cn/problem/P2057) 个人觉得最小割基础题。
有 $n$ 个小孩投票,投 $0$ 的表示睡觉,投 $1$ 的表示不睡觉。
如果投了自己不相投的票,或者和自己的好朋友投票不一样,都算一次冲突。
求最小冲突。
每个小孩看成一个点,这些点要么投 $0$ 要么投 $1$ 。
所以我们不妨自己设两个点 $s$ 和 $t$ 。对于第 $i$ 个小孩,如果**最初意愿投 $0$ 就连边 $(s,i)$ ,容量为 $1$ ;** 类似的,**如果最初意愿投 $0$ 就连边 $(i,t)$ ,容量为 $1$ 。**
对于两个好朋友 $x,y$ ,我们在他们之间**连一条边 $(x,y)$ 和 $(y,x)$ ,两条边的容量都为 $1$ 。**
可以想象,如果这两个小朋友同属 $S$ 或 $T$ ,**最小割是一定不会割掉他们之间的连边**的。
但如果一个属于 $S$ ,另一个属于 $T$ ,那么 $(x,y)$ 或者 $(y,x)$ **一定会被割掉其中一条**。特别注意的是,矛盾是双向的,所以两条边的容量都为 $1$ 。
建完图后跑 dinic 就行啦。
``` cpp
scanf("%d%d",&n,&m);
n++;s=0;t=n;
for(int i=0;i<=n;i++)f[i]=-1;
for(int i=1;i<n;i++)
{ int x;
scanf("%d",&x);
if(x)
{ read(s,i,1);
read(i,s,0);
}
else{
read(t,i,0);
read(i,t,1);
}
}
for(int i=1;i<=m;i++)
{ int x,y;
scanf("%d%d",&x,&y);
read(x,y,1);
read(y,x,1);
}
printf("%d\n",dinic(s,t));
```
------------
- **最大权闭合子图**
什么是闭合子图?
>如果有向图 $G=(V,E)$ 的导出子图 $H=G[V^ * ]$ 满足 $\forall v \in V^* $ , $(v,u) \in E$ ,有 $u \in V^* $ ,则称 $H$ 是 $G$ 的一个闭合子图。
>
> —— OI wiki
直白的话来说,就是选一个子图,**里面没有边指向外边。**
如下图:
![](https://cdn.luogu.com.cn/upload/image_hosting/m4vlinvv.png)
$0,2,3,4,5$ 就是一个闭合子图。
现在给定每个点一个权值 $a_i$ ,**可能为负数**,求一个闭合子图,使最大权值和最大。
考虑最小割。设 $sum= \sum\limits _ {i \in V, a_i >0} a_i$ 。
对于原图保留,对于原图存在的一条边 $(u,v)$ ,建边 $(u,v)$ **容量 $c(u,v)=inf$ 。**
**对于一个点 $x$ 。如果 $a_x>0$ 连边 $(s,x)$ 容量为 $a_x$ ,对于 $a_x<0$ 连边 $(x,t)$ 容量为 $-a_x$ 。**
然后跑最小割 $f$ ,**结果即为 $(sum-f)$ 。**
------------
以下为证明。
引入一下新概念:**简单割。** 简单割是指割 $(S,T)$ 中的割要么为 $(s,u)$ 要么为 $(u,t)$ 。
那么很显然,**对于刚刚建图的最小割一定为简单割**。因为它不可能去割掉中间容量为 $inf$ 的边。剩下可能割的只有 $(s,u)$ 或者 $(u,t)$ 。
接下来证明 **简单割和一个闭合子图是一一对应的。**
所以对于一个简单割 $f$ ,就相当于是选这些点。
那么闭合子图 $E$ 和源点 $s$ 构成 $S$ ,剩下的点和 $t$ 构成 $T$ 。
如果这个对应的割 $(S,T)$ 不是简单割。那么存在一个边 $(u,v)$ (其中 $u \in S,v \in T$)然后 $c(u,v)=inf$ 。
说明 $(u,v)$ 这条边是指向外边的,**也就是因为 $ v \notin S$ 说明这个图就不是闭合子图了。**
与假设矛盾,所以**闭合子图是简单割。**
对于一个图中的简单割。图中的一个点 $u (u \in S)$ ,有一条边 $(u,v)$ ,且容量为 $c(u,v)=inf$ 。
因为是简单割,所以 $c(u,v)$ 不可能是割,所以必然 $v \in S$ 。**也就是说 $u$ 的所有出边的点都是在 $S$ 中。** 所以对应的就是闭合子图。
所以**简单割是闭合子图**。
回到上面,刚刚求的最小割因为是简单割,**所以最小割对应的一定是一个闭合子图**,于是要证明最小割对应最大权闭合子图 。
首先对于一个割 $(S,T)$ 有容量 $c(S,T) = \sum\limits _ {u \in S,v \in T} c(u,v) = \sum\limits _ {u \in S,a_u<0} | a_u | + \sum\limits _ {v \in T,a_v>0} a_v$ 。
闭合子图的权值和 $W= \sum\limits _ {u \in S} a_u = \sum\limits _ {u \in S,a_u>0} a_u - \sum\limits _ {u \in S,a_u<0} |a_u|$ 。
所以有 $c(S,T)+W =\sum\limits _ {u \in S,a_u<0} | a_u | + \sum\limits _ {v \in T,a_v>0} a_v + \sum\limits _ {u \in S,a_u>0} a_u - \sum\limits _ {u \in S,a_u<0} |a_u|$
$c(S,T)+W = \sum\limits _ {v \in T,a_v>0} a_v + \sum\limits _ {u \in S,a_u>0} a_u$ 。
所以 $W=\sum\limits _ {u \in S,a_u>0} a_u + \sum\limits _ {v \in T,a_v>0} a_v - c(S,T)=sum-c(S,T)$ 。
所以最小割即 $c(S,T)$ 最小时,有 $W$ 最大。
证毕。
------------
- **费用流**
模板题:[link.](https://www.luogu.com.cn/problem/P3381)
~~什么流水要收费了。~~
给定一个 $n$ 个点 $m$ 条边的有向图,每条边给一个容量和一个费用 。求 $s$ 到 $t$ 的最大流,**且要求在流是最大流的情况下,费用最小。**
其实最大流的本质没变,要解决的就是费用最小这个问题。
那么在每次寻找增广路时,就要寻找费用最小。所以就可以考虑用 spfa 来求。需要注意的是,**用 spfa 求的边长为费用。**
这里代码用的是 EK 算法,~~但是我自己看的也难受~~ ,大概可能以后会补上 dinic 算法 ~~(?咕)~~
我刚写完上句话就被费用流 EK 卡成 TLE (。)
然后就是,因为费用流和最大流的差不多就是多了一个费用,所以一些模型都非常相似。
这里不再单独讲述。
```cpp
//这个是 EK
#include<iostream>
#include<cstdio>
#include<cmath>
#include<cstring>
#include<queue>
using namespace std;
const int Maxn=5000+5,Maxm=50000+5;
const int inf=1e9;
int n,m,ne=-1,s,t,f[Maxn];
int maxflow,mincost,dis[Maxn],incf[Maxn],pre[Maxn];
bool vis[Maxn];
queue<int>q;
struct edge{
int v,w,c,nx;
}e[Maxm<<1];
void read(int u,int v,int w,int c)
{ e[++ne].v=v;
e[ne].w=w;
e[ne].c=c;
e[ne].nx=f[u];
f[u]=ne;
}
bool spfa()
{ for(int i=0;i<=n;i++)dis[i]=inf;
memset(vis,0,sizeof(vis));
q.push(s);
dis[s]=0;vis[s]=1;
incf[s]=inf;
while(!q.empty())
{ int u=q.front();
q.pop();
vis[u]=0;
for(int i=f[u];i!=-1;i=e[i].nx)
{ int v=e[i].v;
if(e[i].w==0)continue;
if(dis[u]+e[i].c<dis[v])
{ dis[v]=dis[u]+e[i].c;
incf[v]=min(incf[u],e[i].w);
pre[v]=i;
if(!vis[v])q.push(v),vis[v]=1;
}
}
}
return (dis[t]<inf);
}
void MCMF()
{ while(spfa())
{ int i,x=t;
maxflow+=incf[t];
mincost+=dis[t]*incf[t];
while(x!=s)
{ i=pre[x];
e[i].w-=incf[t];
e[i^1].w+=incf[t];
x=e[i^1].v;
}
}
}
int main()
{ memset(f,-1,sizeof(f));
scanf("%d%d%d%d",&n,&m,&s,&t);
for(int i=1;i<=m;i++)
{ int u,v,w,c;
scanf("%d%d%d%d",&u,&v,&w,&c);
read(u,v,w,c);
read(v,u,0,-c);
}
MCMF();
printf("%d %d\n",maxflow,mincost);
return 0;
}
```
------------
$$\text{by Rainy7}$$